Claim Missing Document
Check
Articles

Found 1 Documents
Search

Teori Kesiapan Strategi Pembelajaran Bidang Machine Learning dan Potensi Terhadap Kemampuan Berpikir Komputasional Siswa Evalyanti, Mauliddyah; Herlambang, Admaja Dwi; Batita, Maurish Sofie Rahmi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Implementasi kebijakan Koding dan Kecerdasan Artifisial (KKA) mulai memperkenalkan konsep machine learning. Pada tahap awal menghadapi kesenjangan antara implementasi pembelajaran dengan pemahaman siswa terhadap konsep machine learning. Penelitian ini bertujuan mengidentifikasi faktor, proses, dan strategi pembelajaran machine learning yang terbentuk berdasarkan kondisi nyata di lapangan serta potensinya terhadap kemampuan berpikir komputasional siswa. Penelitian menggunakan pendekatan kualitatif dengan metode grounded theory Strauss dan Corbin. Data dikumpulkan melalui observasi, wawancara, dan dokumentasi terhadap empat guru dan lima siswa kelas X Rekayasa Perangkat Lunak di SMK Negeri 4 Malang yang mengikuti Workshop Machine Learning Dasar. Hasil penelitian menunjukkan bahwa kesiapan strategi pembelajaran machine learning dipengaruhi oleh kondisi kausal (kurikulum, kebijakan sekolah, dan kesiapan dasar pemrograman siswa) yang berinteraksi dengan dukungan implementasi, hambatan teknis, dan risiko penggunaan AI. Strategi pembelajaran yang adaptif melalui praktik menggunakan Teachable Machine, Google Colab, dan gamifikasi berkontribusi terhadap peningkatan motivasi belajar, pemahaman konsep machine learning, serta penguatan kemampuan berpikir komputasional mencakup, dekomposisi, pengenalan pola, abstraksi dan berpikir algoritma.